Die nächste Ära des Wettbewerbs um Kameras: Der Kern des Rennens liegt in ihrer Fähigkeit zu verstehen.

العرض التوضيحي الذي أقنعني حدث في معرض فني قمتُ ببنائه بنفسي.

لم نتمكن من توفير فريق من المرشدين، لذلك قمتُ بتطوير مشروع جانبي ليحل محلهم. لم يكن هناك مربع إدخال Oder أي شيء للكتابة. كنتَ توجه هاتفك نحو شيء ما، فيخبرك بما تنظر إليه. ثم انتهى المعرض، لكن الناس استمروا في استخدامه على أي حال.

وجهوه نحو المباني، الزهور، ألعاب أطفالهم، الملصقات في الشارع، ولم يكن لأي من هذه الأشياء علاقة بالمعرض.

دون أن يطلب منهم أحد ذلك، قرروا أن الكاميرا muss تكون قادرة على شرح العالم لهم.

هذا التوقع أصبح الآن مسؤولية الصناعة لتحقيقه، ويأتي في الوقت الذي يتحول فيه Künstliche Intelligenz من مشكلة تدريب إلى مشكلة استدلال، حيث يتم معظم العمل الحقيقي على الجهاز نفسه بينما يوجه شخص ما هاتفه نحو عالم حقيقي غير متعاون.

يحتاج النموذج أشياء مختلفة من الإطار عما تحتاجه عينك: حواف ليرتكز عليها، وبنية يمكنه استعادتها عندما تكون اللقطة مليئة بالوهج Oder الضبابية. الألوان والتباين التي تجعل الصورة تبدو جيدة هي، بالنسبة للنموذج، غالبًا ما تكون عائقًا.

المستشعر الذي ترغب فيه للمشاهد البشري والمستشعر الذي ترغب فيه للنموذج يتطلبان تصميمات مختلفة.

لقد أصبح المستشعر مشكلة إدراك، والأشخاص الذين يبنون أنظمة الرؤية في الوقت الفعلي يهتمون به الآن بالطريقة التي كان يهتم بها المصورون في السابق.

من أين أتى المستشعر؟

مستشعر CMOS ذو البكسل النشط الذي ابتكره إريك فوسوم، والذي طُوِّر في أوائل التسعينيات، هو السبب وراء وجود كاميرا قادرة في كل جيب تقريبًا اليوم.

تتجه أعماله اللاحقة إلى مكان آخر تمامًا: مستشعر الصور الكمي (Quanta Image Sensor)، الذي يحصي الفوتونات الفردية. هذا المسار يستعرض ما يحدث للذكاء الاصطناعي الآن: فهو ينتقل من التقاط إطار سيعجب الشخص نحو التقاط أنظف إشارة لكي تعالجها الآلة.

يتحول المستشعر إلى أداة إدراك، وأصبحت التصوير الفوتوغرافي مجرد أحد استخداماته.

لماذا يغير الاستدلال طبيعة العمل؟

الاستدلال هو ما يجعل المشكلة ملحة. في السابق، عندما كان الذكاء الاصطناعي يدور حول التدريب بشكل أساسي، كان دور الكاميرا غير مباشر: كانت تنتج بيانات ليتم تصنيفها والتعلم منها لاحقًا، على مهل. الاستدلال ليس بطيئًا. إنه يحدث مباشرة، على جهاز يعاني من نقص الطاقة ويعمل بالفعل وهو ساخن، كما هو الحال في تطبيقات الذكاء الاصطناعي الحساسة للوقت.

عندما يتعين على النظام التعرف على شيء ما بينما لا تزال توجه إليه الكاميرا والإجابة قبل فوات الأوان، فإن الحلقة الأضعف هي ما يصل إلى النموذج، وهي تحدد سقف كل ما يمكن أن يفعله المنتج.

لا يزال جزء من الصناعة يراهن على الشيء الخطأ. الافتراض هو أن نموذجًا كبيرًا بما يكفي سيقوم بتنظيف أي شيء تقدمه الكاميرا إليه. لقد رأيت هذا يعيق خرائط طريق المنتجات لمدة عامين متتاليين، ولا أعتقد أنه يصمد أمام قوانين الفيزياء.

لا يمكن لأي حجم من النموذج استعادة التفاصيل التي دمرتها ضبابية الحركة Oder الوهج بالفعل، Oder التي تخلصت منها عملية معالجة تعطي الأولوية للجمال قبل أن يرى النموذج الإطار على الإطلاق. ينتقل عنق الزجاجة الآن إلى الأعلى، نحو المستشعر وما يقع بينه وبين النموذج.

ما الذي تفعله الأجهزة بالفعل؟

تقوم بعض المستشعرات الآن بجزء من المعالجة على الشريحة نفسها، بحيث تحدث الحسابات الأولى قبل أن تغادر البيانات مصفوفة البكسل. المستشعرات القائمة على الأحداث، والتي تسمى أحيانًا عصبية الشكل (neuromorphic)، تسجل فقط أجزاء المشهد التي تتغير، وهو ما يناسب الإدراك في الوقت الفعلي أفضل بكثير من بث الإطارات الكاملة. تساعد مصاريع الغالق الشاملة (Global shutters) أيضًا، عن طريق تقليل تشوهات الحركة التي تفسد قراءة الآلة.

حتى تقنية المدى الديناميكي العالي (HDR)، التي طالما تم ضبطها لإضفاء طابع درامي على السماء، يُعاد ضبطها الآن ليتناسب مع ما يمكن للنموذج (Model) قراءته بوضوح في التباين العالي. ورغم اختلاف هذه التقنيات، إلا أنها تشير جميعًا إلى اتجاه واحد: نحو نسخة من العالم يمكن للنموذج التعامل معها.

من التعرف إلى الاستنتاج

الشيء البديهي الذي يمكن بناؤه هو البحث البصري: توجه الكاميرا نحو شيء ما فتحصل على تسمية له. ولكن عندما توجه هاتفك نحو قائمة طعام، فإن ما تريده هو المساعدة في اتخاذ قرار بشأن ما ستأكله؛ وعند توجيهه نحو ملصق، قد تكون الخطوة المفيدة هي حفظ الحدث في تقويمك. إن التعرف على الكائن هو مجرد نقطة البداية. يكمن جوهر المنتج في معرفة ما يجب أن يحدث بعد ذلك. هذه الخطوة هي حيث يصبح المستشعر الحلقة الأولى في سلسلة أطول من التفسير، متجاوزًا مجرد الالتقاط.

لم أكن أنوي أبدًا بناء منتج كاميرا؛ لقد بدأ الأمر كوسيلة رخيصة لتجنب توظيف مرشدين لمعرض واحد. لكن هذا المشروع الصغير علمني أن هذه الغريزة موجودة بالفعل. ستدور المنافسة القادمة في عالم الكاميرات حول المنظومة بأكملها: المستشعر، ومسار معالجة الصورة، والحوسبة الطرفية، وتنسيق النماذج، وما يفعله النظام بالنتيجة.

لقد أمضى صانعو الأجهزة سنوات في تحسين جودة الصورة، وسيتعين عليهم أخذ جودة الاستدلال على محمل الجد بنفس القدر. ولا يمكن لمن يكتب البرمجيات أن يتعامل مع الالتقاط كمشكلة تخص شخصًا آخر: فكيفية التقاط الإشارة وتوجيهها تشكل النتيجة قبل وقت طويل من رؤية المستخدم لها. إن الحدود القديمة بين الأجهزة والبرمجيات تقل أهمية كلما تعمقت في الإدراك في الوقت الفعلي.

لا يزال هناك مجال للشركات الناشئة هنا. ميزتها هي سرعة التحديد: صياغة المشكلة قبل أن ينتهي اللاعبون الكبار من الجدال حولها. أصبحت قدرة النموذج العام، بحد ذاتها، أصعب في الدفاع عنها. السؤال المطروح هو ماذا يحدث بمجرد أن يتمكن نظام واحد من الرؤية والتفكير فيما أمامه والعمل بناءً على نفس الحدث، ومن سيصل إلى هناك أولاً بمنتج متكامل.

عيون البشر مقابل عقول الآلات

رهاني هو أن السنوات القليلة القادمة ستقسم الشركات إلى معسكرين: تلك التي تحسن الأداء لعيون البشر، وتلك التي تحسن الأداء لما يجب أن تقرأه الآلة. داخل هاتف رائد، لا تزال هذه الأهداف تتداخل بما يكفي لتجاهل الفارق.

ولكن كاستراتيجية، بدأت هذه الأهداف بالفعل في التباعد. والموقف الأكثر استدامة سيكون لمن يستطيع تحويل العالم الحقيقي الفوضوي إلى أنظف إشارة يمكن للآلة أن تستنتج منها.

وهذا يبدأ من المستشعر.

لقد قمنا بمراجعة وتقييم وتصنيف أفضل هواتف الكاميرا.